公共文化服务平台

搜索到4863篇“ 疵点“的相关文章

棉纺牵伸疵点控制实践: 2025年; 为了提高成纱质量,介绍牵伸疵点的控制机理及途径;以纺C 14.6 tex K纱为例,阐述在并条工序遵循倒牵伸原则,在粗纱工序采用“三大两小”工艺,在细纱工序采用“三大三小”工艺等,对牵伸疵点进行控制的优化实践。通过对比分析工艺优化前后的成纱质量,指出:控制牵伸疵点的实质是控制牵伸的附加不匀状态;系统性进行牵伸分配,合理分布摩擦力界,优化牵伸工艺,采用新型牵伸器材,有效控制牵伸区浮游纤维运动,提高纤维伸直平行度,减少成纱条干不匀及粗细节,是控制牵伸疵点的有效途径。; 黄克华陈玉峰魏青丽; 关键词：牵伸疵点摩擦力界浮游纤维粗节棉结

一种热风无纺布疵点检测装置: 本发明公开了一种热风无纺布疵点检测装置，涉及无纺布生产领域，包括主箱体、布料、电机和旋转轴，所述主箱体内设置有布料，所述主箱体右端固定有电机，所述电机的输出端固定有旋转轴，所述旋转轴轴承连接在主箱体上，所述抚平机构关于激...; 陆伟明王国强吕进单海鸥汤译顾卫忠

色织物疵点智能检测研究进展: 2025年; 疵点检测的精确率、召回率、平均精度均值以及检测速度都对色织物性能检测有影响。介绍了几种常见色织物的疵点类型和检测指标,并对色织物疵点的自动检测流程进行简要描述,包括织物疵点图像的采集与预处理,对图像特征值的提取和合适的织物疵点自动检测方法,还介绍了市场上现有的色织物疵点智能检测方法。; 韩鹏举张乔美李想张国瑞刘柏炜石鹏琦孙菁一白艳茹米玥; 关键词：色织物疵点疵点检测智能检测技术

基于改进YOLOv8s的织物疵点检测: 2025年; 为了解决人工检查效率低、算法检测的缺陷种类少以及算法检测精度差等问题,提出了一种改进的YOLOv8s算法来进行织物疵点检测。首先,通过将DCNv4算子融入YOLOv8s特征融合网络Neck中的C2f模块,构建了C2f_DCNv4模块,不仅提高了对小目标的检测精度,还实现了比使用DCNv3更快的处理速度。其次,将MSCA注意力模块与常见的CBAM注意力相结合,创新设计了MCASAM注意力模块,并将其加入到特征提取网络中的最后一层,提升了模型的多尺度特征捕获能力以及对小目标的检测敏感度。最后,在损失函数中,用InnerIoU替换了传统的CIoU,不仅收敛速度更快,而且进一步优化了检测框的精确度。试验结果表明:在天池疵点检测数据集上针对20类疵点的对比试验中,与原始YOLOv8s算法相比,该研究所提方法的mAP@0.5值达到0.608,提高了5.9%,模型推理速度达150帧/s,能够满足实际的检测需求。; 王帅刘珊珊李保田张永军陈健健; 关键词：CBAM 织物疵点检测

一种铺布机面料疵点在线检测方法: 本发明公开了一种铺布机面料疵点在线检测方法，包括如下步骤：1)实时采集面料的表面图像信息；2)图像预处理，对表面图像信息进行预处理；3)根据面料类型调用对应的疵点检测算法对表面图像信息进行疵点识别，获取疵点的类别和位置信...; 张效栋李娜娜郭丹李泽骁唐宇枭

基于改进YOLOv8的织物疵点检测算法: 2025年; 针对织物疵点检测中疵点形态各异,检测结果容易存在漏检或误检等问题,提出一种改进YOLOv8的织物疵点检测算法。首先将主干网络替换为GhostNet,该方法在减少对计算资源要求的同时,在保证网络结构质量的前提下,减轻了网络结构的重量。另外,该模型还利用了一系列有效的线性运算,减少了模型中的参数,获得更多的特征图谱,减少了算法的计算量,大大提高了模型的性能。其次引入CA注意力机制(coordinate attention),有效增强了网络的特征提取能力。最后引入BiFPN金字塔替换head层中的concat连接,将语义信息传递到不同的特征尺度上,从而增强特征融合。实验结果表明改进的算法在检测8类织物疵点时,mAP@0.5达到91.9%,mAP@0.5:0.95达到48.8%,相比原始的YOLOv8n算法分别提高了2.2%和1.1%,具备更高的检测精度,具有更少的漏检或误检情况。; 罗维平张哲; 关键词：疵点检测

成衣疵点检测系统和成衣疵点检测方法: 本申请涉及一种成衣疵点检测系统和成衣疵点检测方法，涉及服装生产技术领域。所述系统包括：安装台；灯柱装置，灯柱装置包括设于安装台的灯柱本体，用于供待检测成衣套设；灯柱装置还包括与灯柱本体驱动连接的驱动机构，用于驱动灯柱本体...; 谭明钢朱冠衡罗毅

基于改进YOLOv8s的花色布疵点检测算法: 2025年; 针对花色布背景图案复杂、部分疵点目标小、与背景分离难度大,及其带来的自动化实时检测挑战等问题,提出一种基于改进YOLOv8s的花色布疵点检测算法。为增强网络检测疵点小目标的能力,引入BiFPN(Bi⁃directional Feature Pyramid)特征融合网络,充分融合语义信息和位置信息,增强算法区分疵点和背景的能力;同时,注意到疵点小目标中低质量样本对检测结果的影响,引入WIoU v3损失函数,抑制训练过程中低质量样本产生的有害梯度;最后,引入FasterBlock模型改进原始模型neck中的C2f模块,降低模型整体的参数量。结果表明:改进后的YOLOv8s模型在整个数据集的mAP@0.5∶0.95上可达59.6%,比原YOLOv8s模型提高了2.8个百分点;小目标的APs@0.5∶0.95可达45.1%,比原YOLOv8s模型提高了8.3个百分点;改进后模型参数量为10.557 M,检测速度可达131.6帧/s。认为:改进的YOLOv8s有效提升了沾污、花毛等小目标的检测效果。; 王跃坤徐洋余智祺解国升盛晓伟; 关键词：疵点检测

一种用于复合纤维丝束的疵点捕捉设备: 本发明公开了一种用于复合纤维丝束的疵点捕捉设备，涉及复合纤维丝束疵点检测技术领域，包括箱体、出丝管道和疵点触件，箱体内设有固定板，固定板上设有外圈，外圈内转动设有内圈，内圈内壁上固接有圆形筒，圆形筒内设有抹油机构，圆形筒...; 郭永强陈岳朱瑞国

基于YOLOv8s的特征融合织物疵点检测方法: 2025年; 针对织物缺陷种类繁多、尺度变化大以及小目标漏检等问题,提出了一种基于YOLOv8s的特征融合改进算法。首先在Neck层引入加权特征融合策略,并设计了多分辨率特征层聚合模块CWcat,通过加权融合不同尺度的特征信息,显著提升了检测精度,同时仅增加少量计算成本;其次,采用VOVDGSCSP特征融合模块优化了Neck层的多层特征信息融合,提高了小目标检测的精度,并有效降低了计算复杂度;最后,采用SIoU损失函数替代原有的边框损失函数,增强了类别分类能力和训练收敛性,提高了模型的稳定性。实验结果表明:改进后的算法在天池织物数据集上取得了86.0%的mAP@0.5、88.5%的精确率和78.5%的召回率,分别较原YOLOv8s提升3.3%、2.1%和3.0%;参数量和计算量分别降低了5.5%和3.4%。该改进算法在织物缺陷检测中表现出显著精度和效率提升,能更好地应对实际生产中的检测挑战。; 蒋明宇吴斌张红英; 关键词：织物疵点

相关作者